RepLoop
RepLoop es un asistente de fitness open source con frontend Taro/React y backend Python/FastAPI. Incluye seguimiento de entrenamientos, gestión nutricional y un agente AI para análisis personalizado.
Ficha actualizada 28 sept 2026, 2:41 · upstream 28 sept 2026, 2:36 · release sin release detectada
Qué es RepLoop
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
RepLoop es una aplicación de seguimiento de fitness y nutrición que combina un cliente WeChat Mini Program con un backend autoalojable. La arquitectura utiliza Taro y React para la interfaz móvil, mientras que el servidor se basa en Python con FastAPI, PostgreSQL para persistencia de datos y Redis para caché. El sistema permite registrar sesiones de entrenamiento, gestionar dietas y analizar progreso mediante un agente AI.
- Registro detallado de entrenamientos por grupo con temporizador de descanso integrado
- Gestión nutricional diaria con cálculo automático de calorías y macronutrientes
- Análisis de datos de entrenamiento y dieta mediante un agente AI conversacional
- Personalización del software para adaptarlo a rutinas específicas o necesidades individuales
- Arquitectura híbrida con frontend Taro/React y backend Python/FastAPI escalable
- Agente AI con arquitectura Plan-and-Execute y registro de herramientas para seguridad
- Soporte nativo para WeChat Mini Program con autenticación y gestión de usuarios
- Base de datos PostgreSQL con migraciones Alembic para integridad de datos
- Requiere configuración manual de Docker Compose y variables de entorno para despliegue propio
- El agente AI depende de servicios externos como DeepSeek o modelos autoalojados
- No incluye panel de administración web, solo interfaz móvil WeChat Mini Program
- La gestión de sesiones del agente requiere confirmación manual del usuario para cambios
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue recomendado con Docker Compose. Requiere PostgreSQL y Redis configurados. El backend necesita variables de entorno para la conexión al modelo AI (ej. DeepSeek). El frontend WeChat Mini Program requiere una cuenta de desarrollador en WeChat para registro y autenticación.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.